基于整体共表达的基因功能预测受细胞类型层面信号的限制

在基因组学领域，人们普遍认为，RNA转录本的共表达暗示着其功能具有共同性。机器学习基因功能预测方法明确利用了这一直觉，并且通常将其与蛋白质相互作用、序列相似性等其他特征结合起来。例如，纳入人类组织表达数据中的共表达信息，可以提升基因本体（Gene Ontology，GO）注释预测的性能。然而，这一现象背后的生物学基础尚未得到充分研究。在本研究中，基于本课题组先前的研究结果，我们表明，基因功能之所以能够在很大程度上通过共表达进行预测，是因为共表达反映了不同细胞类型之间的表达差异，而这些差异本身也内在于真实标签之中。通过模拟和真实数据分析，我们证明，散装样本中细胞组成的差异会影响功能的可学习性，并将这一现象归因于GO术语中细胞类型标志基因的组成。我们进一步表明，细胞类型谱能够在明确呈现基因表达与细胞类型之间关系的同时，有效预测基因功能，并提高结果的可解释性。这些结果表明，基于散装共表达数据训练的功能预测模型，其分辨率在很大程度上局限于细胞类型层面，而非精细的生化功能层面；这一结论直接影响了对此类预测结果的解读方式。

在基因组学领域，人们普遍认为，RNA转录本的共表达表明其具有共同的功能。这一直觉被机器学习基因功能预测方法明确利用，并且通常与蛋白质相互作用、序列相似性等其他特征结合使用。例如，纳入人类组织表达数据中的共表达信息，可以提升基因本体（Gene Ontology，GO）注释预测的性能。然而，这一现象背后的生物学基础尚未得到充分研究。在本研究中，基于我们课题组先前的研究结果，我们表明，基因功能之所以能够通过共表达实现较为有效的预测，很大程度上是因为共表达反映了不同细胞类型之间的表达差异，而这些差异本身也内在于作为真实标准的标签之中。通过模拟实验和真实数据分析，我们表明，批量样本中细胞组成的变异会影响功能的可学习性，并将这一现象归因于GO术语中所包含的细胞类型标志基因。我们进一步表明，细胞类型谱能够在明确呈现基因表达与细胞类型之间关系的同时，有效预测基因功能，并提高结果的可解释性。这些结果表明，基于批量共表达数据训练的功能预测模型，其分辨率在很大程度上局限于细胞类型层面，而非更精细的生化功能层面；这直接影响了对此类预测结果的解读方式。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.31.748380v1?rss=1

🏷️ 基因功能预测 基因共表达 细胞类型信号 基因本体注释 机器学习 单细胞与散装转录组